【数学建模】数学建模(一)——数学模型概述

杨利霞

【数学建模】数学建模(一)——数学模型概述
, f& }% _+ K, y9 Y4 L
7 Z. p7 j( X6 l1 X8 ?( T" Q
  B' R3 W; X5 ]9 [一. 模型
% @2 P1 Y: V6 E. X9 {" b, s1. 原型和模型
6 H% j! P: f! f        原型指人们在现实世界里关心、研究或从事生产、管理的实际对象。模型则指为了某个特定目的将原型的某一部分信息简缩、提炼而构造的原型替代物。
       按照模型替代原型的方式，模型可以分为物质模型（形象模型）和理想模型（抽象模型）。前者包括直观模型、物理模型等，后者包括思维模型、符号模型、数学模型等。
       数学模型可以描述为，对现实世界的一个特定对象，为了一个特定目的，根据特有的内在规律，作出一些必要的简化假设，运用适当的数学工具，得到的一个数学结构。
2. 建模方法
6 ?6 U6 S* P  d& m2 a        建模方法大体可以分为机理分析和测试分析两种。机理分析是根据对客观事物特性的认识，找出反应内部机理的数量规律，建立的模型常有明确的物理或现实意义。测试分析是将研究对象看作一个“黑箱”系统，通过对系统输入、输出数据的测量和统计分析，按照一定的准则找出与数据拟合的最好的模型。
3. 建模步骤
: I9 |& |, U) f2 t+ o; j+ F        按机理分析方法的建模步骤如下
" a8 K& S  P0 O- j( ?6 N
7 \; f% ?3 O+ m* Q4. 建模过程
. E; _" I5 M) W% }8 _/ E8 j, B        按一般步骤，数学建模过程分为表述、求解、解释、验证几个阶段，并通过这些阶段实现从数学模型到现实对象的循环。

2 w$ V# e3 ], C7 R9 z* \5 x

7 ?0 m! f: {  l5. 模型分类
        按建立模型的数学方法：初等模型、几何模型、统计回归模型、数学规划模型等。
        按模型的表现特性：确定性模型和随机模型、静态模型和动态模型、线性模型和非线性模型、离散模型和连续模型。
        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
) [. c$ C$ ^* f% [; V" m二. 系统辨识
. ?, D. d  F3 j! N! R/ p5 e        在科学研究和工程实践中，实验和观测是重要的手段之一。实验的结果是输入和输出的数据，通过这些数据去建立数学模型就是系统辨识。
  \0 Z9 }: ]# v) U1 E        系统辨识为：根据输入与输出数据在指定的一类系统中选择一个系统，这个系统和所研究的实践系统等价。
: N5 J6 M, b; i4 F
- p" Z0 z7 ^" z% L) n        系统辨识大致步骤：①模型类的选择；②实验设计；③参数估计；④模型核验与确认。
" z6 n7 L) B4 J% f8 C' M! N
3 Q( |/ E7 {1 C" X, |) R- l6 q1 t
/ W: g+ z" D2 e' k' E0 j  r
7 V4 V/ `/ |& G, c9 @


2 D  N. i; k2 C三. 机器学习
       机器学习就是把无序的数据转换成有用的信息，它的主要任务就是分类，其中涉及的几个关键概念：①训练集是用于训练机器学习算法的数据样本几何；②目标变量是机器学习算法的预测结果，在分类算法中，目标变量的结果类型通常是标称型的，而在回归算法中通常是连续型的；③知识表示可以采用规则集的形式，也可以采用概率分布的形式。
4 p- d! @/ u' K& G        机器学习的另一个任务是回归，它主要用于预测数值型数据。分类和回归属于监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。与监督学习相对应的是无监督学习，此时数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称为密度估计。
8 n% r- Q) Z- k) c4 `& i
' C+ S( U/ P+ K( n) \5 O
* {4 [" S7 R0 s

用于执行分类、回归、聚类和密度估计的机器学习算法
& b% i3 S5 k; m8 l
$ u0 T5 v& @5 Y. w+ |* h
0 n, i) `. E. c- q" ]  h

) G) S9 x% u) h
$ Y7 y7 _+ G5 {9 X8 F: C9 I: H

# I. r, K' y5 R# @* F        机器学习程序设计的步骤：①收集数据；②准备输入数据；③分析输入数据；④训练算法；⑤测试算法；⑥使用算法。
( N3 w9 |& m" T, F7 Q
2 J, Q! t* i, B9 C参考文献：
1. 数学模型（第四版）. 姜启源
! b' T4 P3 r6 G4 v. t2. 系统建模与辨识 . 王秀峰
$ \+ _  N; Q! j& Q' s8 n! \3. 机器学习（第九版）

  }1 `" E, S8 g) a7 x8 x


# R/ }1 Z% F! j# U# h

龙龙鲸鱼寜

谢谢楼主分享
4 _5 v+ w, B/ b8 x, F